Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


formulari mètodes matemàtics 1, Ejercicios de Métodos Matemáticos

Asignatura: Metodes matematics de la fisica i, Profesor: , Carrera: Física, Universidad: UB

Tipo: Ejercicios

2012/2013

Subido el 25/11/2013

laurabarriendos
laurabarriendos 🇪🇸

4.5

(4)

1 documento

1 / 2

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Formulari de M`etodes Matem`atics I
Manel Bosch
Gener 2011
I.PROBABILITAT
EXEMPLES DE FUNCIONS DE DISTRIBUCI ´
O
DISTRIBUCI ´
O DENSITAT FUNCI ´
O VALOR VARIANC¸ A
DISTRIBUCI ´
O DE PROBABILITAT CARACTER´
ISTICA MITJ `
A VARIANC¸ A
Uniforme f(x;a, b) =
1
baaxb
0x /[a, b]
eibu eiau
(ba)iu
(ba)
2
(ba)2
12
Binomial f(x;n, p) = n
xpxqnx(q+peiu)nnp npq
Poisson f(x;λ) = λx
x!eλexp[λ(eiu 1)] λ λ
Gaussiana f(x;µ, σ) = 1
2πσ exp (xµ)2
2σ2exp iµu σ2u2
2µ σ2
1. VALORS ESPERATS i MOMENTS
Siguin Xif(X) definim el valor mitj`a o valor esperat de
f(X) :
hf(X)i
Z
−∞
f(x)dFX(x) =
Z
−∞
f(x)pX(x)dx
X
n
f(xn)P{X=xn}
3.1 Moments
Moments d’Xd’ordre n:
hXni
Z
−∞
xndFX(x).
El primer moment ´es el valor mitj`a.:
µ hXi=
Z
−∞
xpX(x)dx
X
n
xnP{X=xn}
Moment central:
h[X hXi]ni=
Z
−∞
(xµ)ndFX(x)
Varian¸ca (segon moment central):
Var(X)σ2[X hXi]2=
Z
−∞
(xµ)2pX(x)dx
X
n
(xnµ)2P{X=xn}
σ= desviaci´o ıpica. σ2=X2 hXi2
2. FUNCI ´
O GENERADORA DE MOMENTS
La funci´o generadora de moments ´es el valor esperat
d’etX , on tR:
MX(t)etX =
Z
−∞
etX dFX(x)
i satisf`a:
1.
hXni=dn
dtnMX(t)t=0
n {1,2, . . .}
2. Si Y=aX +b
MY(t) = ebtMX(at)
1
pf2

Vista previa parcial del texto

¡Descarga formulari mètodes matemàtics 1 y más Ejercicios en PDF de Métodos Matemáticos solo en Docsity!

Formulari de Metodes Matematics I

Manel Bosch

Gener 2011

I.PROBABILITAT

EXEMPLES DE FUNCIONS DE DISTRIBUCI ´O

DISTRIBUCI ´O DENSITAT FUNCI ´O VALOR VARIANC¸ A

DISTRIBUCI ´O DE PROBABILITAT CARACTER´ISTICA MITJ `A VARIANC¸ A

Uniforme f (x; a, b) =

b − a

a ≥ x ≥ b

0 x /∈ [a, b]

e

ibu − e

iau

(b − a)iu

(b − a)

(b − a)

2

Binomial f (x; n, p) =

n

x

p

x q

n−x (q + pe

iu )

n np npq

Poisson f (x; λ) =

λ

x

x!

e

−λ

exp[λ(e

iu

− 1)] λ λ

Gaussiana f (x; μ, σ) =

2 πσ

exp

[

−(x − μ)

2

2 σ

2

]

exp

[

iμu −

σ

2 u

2

]

μ σ

2

  1. VALORS ESPERATS i MOMENTS
  • Siguin X i f (X) definim el valor mitj`a o valor esperat de

f (X) :

〈f (X)〉 ≡

∞ ∫

−∞

f (x)dF X

(x) =

∞ ∫

−∞

f (x)pX (x)dx

n

f (xn)P {X = xn}

3.1 Moments

  • Moments d’X d’ordre n:

〈X

n 〉 ≡

∞ ∫

−∞

x

n dFX (x).

  • El primer moment ´es el valor mitj`a.:

μ ≡ 〈X〉 =

∞ ∫

−∞

xpX (x)dx

n

xnP {X = xn}

  • Moment central:

〈[X − 〈X〉]

n 〉 =

∞ ∫

−∞

(x − μ)

n dF X

(x)

  • Varian¸ca (segon moment central):

Var(X) ≡ σ

2

[X − 〈X〉]

2

∞ ∫

−∞

(x − μ)

2 pX (x)dx

n

(xn − μ)

2

P {X = xn}

  • σ = desviaci´o t´ıpica. σ

2

X

2

− 〈X〉

2

2. FUNCI ´O GENERADORA DE MOMENTS

  • La funci´o generadora de moments ´es el valor esperat

d’e

tX , on t ∈ R:

MX (t) ≡

e

tX

∞ ∫

−∞

e

tX

dFX (x)

i satisf`a:

〈X

n 〉 =

d

n

dt

n

M

X

(t)

t=

n ∈ { 1 , 2 ,.. .}

  1. Si Y = aX + b

MY (t) = e

bt MX (at)

3. FUNCI ´O CARACTER´ISTICA

  • La funci´o caracter´ıstica d’una variable aleat`oria real X

´es el valor esperat de la varaible aleat`oria e

iuX :

ϕ X

(u) =

e

iuX

∞ ∫

−∞

e

iux p X

(x)dx

n

e

iuxn P {X = xn}

i verifica:

  1. ϕ(0) = 1; |ϕ(u)| ≥ 1 ∀u ∈ R
  2. Per a Y = aX + b tenim:

ϕY (u) = e

iub ϕX (au) (a, b ∈ R)

〈X

n 〉 =

i

n

d

n

du

n

ϕ(u)

u=

n ∈ { 1 , 2 ,.. .}

ϕ(−u) = ϕ

∗ (u)

La funci´o caracter´ıstica sempre existeix, encara que el

valor esperat 〈X〉 no existeixi.

II. VARIABLE COMPLEXA

  1. Condicions Cauchy-Riemann

ux = vy

uy = −vy

vθ = rur

uθ = −rvr

f

′ (z) =

∂f (z, z¯)

∂z

∂f (z, z¯)

∂ z¯

f

′ (z) = ux + ivx = e

−iθ = vy − iuy = e

−iθ /r(vθ − iuθ)

  1. Integrals:

γ

f (z)dz =

b ∫

a

f (z(t))z

′ (t)dt

Desigualtat de Darboux:

γ

f (z)dz

|f (z)||dz|

γ

f (z)dz

≤ L

γ

max

z∈{γ}

|f (z)|

|f

n (z)| ≤

n!

r

n

max

w∈γr

|f (w)|

F´ormula de Cauchy i F´ormula de Cauchy per a les derivades:

f (z) =

2 πi

γ

f (w)

w − z

dw f

n) (z) =

n!

2 πi

γ

f (w)

(w − z)

n+

dw

  1. S`eries

R = lim

n→∞

an

a n+

Serie geometrica:

1 − w

∞ ∑

n=

w

k

Taylor:

f (z) =

∞ ∑

n=

an(z − z 0 )

n an =

f

n) (z 0

n!

Laurent:

f (z) =

∞ ∑

n=−∞

an(z − z 0 )

n

an =

2 πi

γ

f (ξ)

(ξ − z 0

n+

  1. Residus

γ

f (z)dz = 2πi

N ∑

i=

Res (f (z), zi)

  • Singularitat evitable: El residu ´es a − 1
  • Pol d’ordre p:

Res (f (z), z 0 ) = a− 1 = lim

z→z 0

(p − 1)!

d

p− 1

dz

p− 1

[(z − z 0 )

p f (z)]

  • Singularitat essencial: S’ha d’obtenir expl´ıcitament a

partir del desenvolupament en s`erie de Laurent.

Lemes de Jordan:

  1. lim

|z|→∞

zf (z) = 0 → lim

R→∞

CR(θ 1 ,θ 2 )

f (z)dz = 0

  1. lim

|z|→ 0

zf (z) = 0 → lim

r→ 0

CR(θ 1 ,θ 2 )

f (z)dz = 0

  1. lim

|z|→∞

f (z) = 0 → lim

R→ 0

CR(θ 1 ,θ 2 )

f (z)e

iλz dz = 0

  1. lim

ε→ 0

f (z)dz = iφRes (f (z), z 0 )